OpenVoiceUI 语音 AI 助手平台

自托管的浏览器语音优先 AI 助手前端:接入任意 LLM 与 TTS,对话中实时生成可交互网页画布、音乐与桌面,你的硬件、你的密钥、你的数据。

Star 数
★ 87
最近更新
1 天前
License
MIT
主语言
Python

30 秒速览

运行形态
命令行工具自托管服务网页应用
可在哪里用
通用 · 跨平台OpenAI API · Claude API
费用
软件免费,模型调用费用自付
上手难度
中 · 需要几步配置
开始前需要
Docker + ComposeNode.js 18+(npm CLI / Pinokio)Python 3.11+(原生安装)OpenClaw 网关(固定版本)Shell / 命令行网络访问本地文件系统
典型场景
个人开发者想在自己硬件上跑一个免手持、可打断的语音 AI 助手,且不想锁定某一家模型供应商
不适合
  • 需要纯浏览器即开即用、不愿自建 Docker 服务的用户
  • 只想用手机 App 而非浏览器语音界面的用户
  • 不打算提供任何 LLM 供应商密钥的团队
官网
openvoiceui.com ↗ 来自 GitHub 仓库设置
维护状态
近 30 天有提交最近提交 2026-11-21

这个 Agent 能做什么,适合哪些场景?

OpenVoiceUI(MCERQUA/OpenVoiceUI,MIT 许可)是一个自托管 AI 代理的前端,由 Flask 服务器加无构建步骤的原生 JS 浏览器应用组成。代理本体运行在 OpenClaw 开源代理网关中,由网关路由到你选择的 LLM 提供商(OpenAI、Anthropic、Groq、Z.AI、Gemini 等)。你在浏览器里用语音对话,代理语音回答,同时可在屏幕上打开实时更新、可交互的 HTML 画布页面,并拥有 XP/macOS/Ubuntu 等 OS 风格桌面来保存这些页面。语音链路覆盖唤醒词、打断、浏览器 Web Speech/Deepgram/Groq Whisper 语音识别,以及九家 TTS 提供商(含本地免费的 Supertonic 与 ElevenLabs、Resemble 等克隆声音)。部署以 Docker Compose 三容器为主(openclaw、supertonic、openvoiceui,端口 5001),也可用 npm 向导、Pinokio 或 Linux 原生 systemd+nginx 安装。

浏览器通过麦克风采集语音,经 Web Speech、Deepgram、Groq Whisper 或自建 Whisper 服务转为文本;POST /api/conversation 以 NDJSON 流式返回代理回复,再经 TTS 播放。Flask 服务器(server.py,端口 5001)通过 WebSocket 连接 OpenClaw 网关(端口 18791),网关再调用你配置的 LLM。代理用短标签控制界面:打开画布页、播放曲目、改变表情等,浏览器剥离标签后执行。画布页面通过服务器发送事件实时更新;管理后台 /admin 提供档案切换、插件目录安装、凭据保管库(Supabase/GitHub/Netlify OAuth)、Suno 音乐生成、画布页面可见性与会话管理等。语音链路代理技能打包在 skills/ 中,安装到 ~/.openclaw/skills/openvoiceui/。

  1. 个人开发者想在自己硬件上跑一个免手持、可打断的语音 AI 助手,且不想锁定某一家模型供应商
  2. 需要代理在对话中直接产出仪表盘、报告、图库等可交互网页而非纯文本回复的用户
  3. 想用本地 Supertonic TTS 实现零成本、无云端密钥语音输出的自托管爱好者
  4. 内容创作者用语音触发 Suno 音乐生成,并在内置播放器中管理播放列表
  5. 通过 Qwen3-TTS、ElevenLabs 或 Resemble 克隆自定义声音,打造具名人格的桌面语音代理
  6. 在 Linux 服务器上用 systemd + nginx + Let's Encrypt 部署带 Clerk 认证的公开语音助手实例

安装与配置要点

摘自下方的安装和使用说明,以项目 README 的最新说明为准。

安装 / 启动命令
  • npx openvoiceui setup
  • npx openvoiceui start
  • docker compose up --build
端口
5001
环境变量
GROQ_API_KEY DEEPGRAM_API_KEY SUNO_API_KEY CLAWDBOT_GATEWAY_URL CLAWDBOT_AUTH_TOKEN SECRET_KEY
配置文件
.env .env.example
运行环境
Node.js 18+
安装说明涉及
Linux · Docker

如何安装或部署这个 Agent?

所有安装路径(除原生 Linux)都需要 Docker 已安装并运行。

npm CLI(推荐,需 Node.js 18+):

npx openvoiceui setup
npx openvoiceui start

向导会写入 .env 和 openclaw-data/ 目录并构建镜像,之后打开 http://localhost:5001。其他命令:stop、restart、status、logs。

Pinokio:在 Pinokio 中添加仓库地址 https://github.com/MCERQUA/OpenVoiceUI,点击 Install 与 Start(需自备 Docker)。

手动 Docker Compose:

git clone https://github.com/MCERQUA/OpenVoiceUI.git
cd OpenVoiceUI
cp .env.example .env
docker compose up --build

注意:纯 docker compose 启动时网关不会自动读取 .env 或生成配置,需自行配置 OpenClaw 的 LLM 提供商。

Linux 原生安装(systemd + nginx + SSL):

git clone https://github.com/MCERQUA/OpenVoiceUI.git
cd OpenVoiceUI
cp .env.example .env
python3 -m venv venv && venv/bin/pip install -r requirements.txt
sudo bash setup-sudo.sh

所需凭据:LLM 提供商密钥(配在 OpenClaw 网关侧);TTS 密钥(如 GROQ_API_KEY,本地 Supertonic 无需密钥);可选 DEEPGRAM_API_KEY、SUNO_API_KEY、CLERK 密钥。

如何使用这个 Agent?

启动后打开 http://localhost:5001,授权麦克风访问即可开始语音对话(推荐 Chrome/Edge 以使用默认 Web Speech 识别)。用 npx openvoiceui status/logs 排查运行状态。在 /admin 管理后台切换代理档案(人格、语音、网关与 LLM 设置)、安装插件、编辑代理工作区文件与画布页面可见性。代理回复中的标签(如打开画布页、播放曲目、切换表情)由浏览器自动执行;标签集见 docs/reference/agent-tags.md。配置在 .env 中调整(CLAWDBOT_GATEWAY_URL、CLAWDBOT_AUTH_TOKEN、SECRET_KEY 等),语音系统提示词在 prompts/voice-system-prompt.md 且支持热重载。

这个 Agent 有哪些优点和局限?

优点
  • LLM、STT、TTS 均可更换:九家 TTS 提供商含本地免费 Supertonic,其他代理后端可作为网关插件接入(plugins/example-gateway)
  • 对话中实时生成可交互 HTML 画布页面与 OS 风格桌面,输出不只是文字,是完整网页应用
  • 浏览器前端无构建步骤(src/ 原生 ES 模块),修改即生效,配套 pytest 测试套件在 CI 中运行
  • 完整的自托管运维面:/admin 管理后台、凭据保管库、Clerk 认证、一键自更新与远程插件目录
局限
  • 代理核心依赖 OpenClaw 网关,其版本被固定钉在 docker-compose.yml 与部署脚本中,升级需跟随项目的 bump-openclaw-version.sh 同步
  • 推荐路径(npm 向导)需要 Docker 常驻运行,纯 docker compose 又不会自动注入网关配置,手动部署有额外配置负担
  • 云语音与音乐功能需多个外部服务密钥(Groq、Deepgram、Suno、ElevenLabs 等),功能与成本按提供商拆分
  • 仓库尚无截图入库,UI 实际观感需查阅文档站点确认;语音功能依赖麦克风且部分浏览器需改用 Deepgram/Groq Whisper

这个 Agent 与同类方案有什么区别?

README 未点名直接竞品,但定位上是自托管、语音优先并带实时网页画布的代理前端,与 OpenClaw 的其他前端及通用聊天式语音助手形成对比:差异点在于画布页面生成、OS 风格桌面与多 TTS 提供商链。

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
OpenVoiceUI 语音 AI 助手平台 当前 76 · 表现良好 命令行工具免费 + 模型费 ★ 87 1 天前 Python OpenAI API · Claude API
ElevenLabs 语音技能集 57 · 缺口较多 Agent 插件 / 技能免费 + 模型费 ★ 579 3 天前 Python —
Rapida Voice 46 · 缺口较多 自托管服务免费 + 模型费 ★ 760 14 天前 Go OpenAI API · Claude API
jargo 74 · 存在缺口 — ★ 112 2 天前 Go OpenAI API · Claude API

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
表现良好
76/ 100 五分制 3.8 / 5
信任安全 22/29
可靠稳定 11/14
适用触发 15/18
规范维护 14/18
有效结果 9/13
证据核验 5/8
查看各维度的扣分理由
信任安全22 / 29 · 3.8/5

证据显示最小权限处理出色:admin-only 路由前缀、WebSocket origin 守卫、SSRF 阻断、上传 HTML 按附件下发、npm trusted publishing 仅需 id-token、对 agent 可写根的污点扫描(tests/agent_io_scan.py)。扣分项:无 Clerk 时应用完全开放是默认态;browse-service 显式伪装 Chrome UA 并内置住宅代理路由用于规避 bot 检测,属灰色外部行为;self-update 会以服务器身份 git pull 并可能启动 coding agent,未见明确用户确认流程;敏感数据方面键保持服务端良好,但 UPLOADS_AUTH_MODE 默认 shadow(只记录不阻止);依赖已固定版本但无漏洞扫描/审计证据;回滚仅见 canvas 页面版本化,整体安装回滚未文档化。

可靠稳定11 / 14 · 3.9/5

TTS/STT 提供完整回退链(Supertonic 无键本地、Web Speech 默认、parakeet 服务不可达即回退),skill 文档给出逐条错误码表与处置方法,失败信息设计良好。扣分项:文档间版本口径不一致(README 写 Node 18+/Python 3.11+,installation.md 写 Node 20+/Python 3.10+);'clawdbot' 命名的环境变量与文档并存引入混淆风险。

适用触发15 / 18 · 4.2/5

四条安装路径、按用户画像分层(试用者/标准/手动/生产)、skill 触发条件写得极其精确(如 canvas-page-visibility 的显式请求硬规则),受众与场景覆盖充分。扣分项:capability_boundaries 主要依赖未入包的 VISION.md 断言;环境适配偏 Docker/Linux,Windows 仅列于 package.json 的 os 字段无对应文档。

规范维护14 / 18 · 3.9/5

信息架构优秀:README 布局表、docs 站、AGENTS.md 与模块 docstring 三层导引;安装说明详尽含迁移脚本;SECURITY.md 明列已知缺陷(提示注入未隔离);MIT 许可证齐全。扣分项:命名稳定性差——'ai-eyes2'、'clawdbot'、'jambot'、'OVU' 等遗留名散布于代码与注释,AGENTS.md 自承 providers/tts 与 tts_providers 命名易混;changelog 仅被引用未见内容;维护责任依赖单一个人邮箱,发布历史中 npm publish 曾多次失败(工作流注释自述)。

有效结果9 / 13 · 3.5/5

输出可用性证据充分(canvas lint、性能门、三宽度检查、版本化恢复);相对现有方案的边际价值(语音优先壳 + 自有 agent 网关 + 浏览器画布组合)清晰;成本收益考虑(共享 STT 服务、按需安装大依赖)体现。扣分项:无截图入库、核心收益依赖 OpenClaw 外部项目且其质量不可见,静态审查无法确认整体可用性。

证据核验5 / 8 · 3.1/5

文档内交叉引用密集(README→docs→AGENTS.md→代码 docstring),工作流注释含 PR/issue 编号可追溯,已知缺陷与缓解措施区分陈述。扣分项:许多关键断言(tests.yml 通过、docs 站内容、OpenClaw 行为)在样本外无法独立核实;事实与推断在技能文档中偶尔混述(如性能门阈值的实际执行路径)。

风险与缓解建议
  • 未启用 Clerk 认证时应用完全开放,公网部署必须设置 CANVAS_REQUIRE_AUTH=true 及强 SECRET_KEY。
  • browse-service 组件内置 UA 伪装与住宅代理 IP 路由,用于规避网站 bot 检测;部署者需自行评估其法律与使用政策风险。
  • self-update 端点会以服务器进程身份执行 git pull 并可能拉起 coding agent,属高危操作面,建议限制于管理员并审计日志。
  • 文档间环境要求(Node/Python 版本)与遗留命名(clawdbot/jambot/ai-eyes2)存在不一致,安装前以仓库内最新文件为准。
  • UPLOADS_AUTH_MODE 默认 shadow 模式只记录不阻止,生产环境应显式设为 enforce。
  • 提示注入风险已被项目自认未解决(系统提示与用户输入同字段),处理敏感任务时不要信任 agent 输出。
证据充分度:低 评估于 2026年11月21日 审查版本 588039e9cf94
查看完整评分方法 →
你是这个项目的维护者?把 FARS 徽章加到 README

徽章显示当前的评审分数和结论,点击回到本页。重新评审后约一小时内更新。

FARS

[![FARS 评测](https://followagents.com/badge/openvoiceui.svg?lang=zh)](https://followagents.com/zh/agents/openvoiceui)
<a href="https://followagents.com/zh/agents/openvoiceui"><img src="https://followagents.com/badge/openvoiceui.svg?lang=zh" alt="FARS 评测"></a>

常见问题

不配任何云服务密钥能用吗?
部分可以:本地 Supertonic TTS 无需密钥,浏览器 Web Speech 识别也免费;但代理的 LLM 回答必须配置至少一个 OpenClaw 支持的模型提供商密钥。
必须用 Docker 吗?
npm、Pinokio 和 Docker 安装路径都需要 Docker;唯一例外是 Linux 原生安装(venv + systemd + nginx),用 setup-sudo.sh 完成。
代理后端只能是 OpenClaw 吗?
不是唯一选择:其他代理后端可作为网关插件接入,仓库提供 plugins/example-gateway 模板,插件目录中也包含 Hermes Agent 网关插件。
数据存在哪里?
画布页面、上传、音乐与转录保存在服务器 runtime/ 下的持久卷中;整体是自托管架构,官方宣称'你的硬件、你的密钥、你的数据'。公开部署可用 Clerk 认证并将画布页面默认设为私有。
开发调试方便吗?
前端没有构建步骤,编辑 src/ 后刷新即可;后端用 venv 运行 server.py,测试用 python3 -m pytest tests/ -q,CI 在每个 PR 上运行该测试套件。
OpenVoiceUI 语音 AI 助手平台 用哪个端口?
本页安装说明里用的是 5001 端口(例如 http://localhost:5001)。如果项目支持修改端口,方法以 README 为准。
OpenVoiceUI 语音 AI 助手平台 官网是什么?
OpenVoiceUI 语音 AI 助手平台 的 GitHub 仓库填写的官网是 https://openvoiceui.com。这个链接由仓库作者设置;源码在 GitHub(MCERQUA/OpenVoiceUI)。
OpenVoiceUI 语音 AI 助手平台 免费吗?
软件本身免费,但 OpenVoiceUI 语音 AI 助手平台 要调用 AI 模型,模型的调用费用由你向模型服务商支付(也可以接本地模型)。
OpenVoiceUI 语音 AI 助手平台 开源吗?
开源。源码在 GitHub(MCERQUA/OpenVoiceUI),许可证是 MIT。
OpenVoiceUI 语音 AI 助手平台 安全吗?
FollowAgents 的 FARS 评审(2026年11月21日)给 OpenVoiceUI 语音 AI 助手平台 的“信任与安全”打了 22/29 分。评审检查的 8 项安全措施没有完全缺失的。
OpenVoiceUI 语音 AI 助手平台 还在维护吗?
在维护。GitHub 上最近一次提交是 2026-11-21,在最近 30 天内。
OpenVoiceUI 语音 AI 助手平台 是谁开发的?
OpenVoiceUI 语音 AI 助手平台 由 GitHub 账号 MCERQUA 发布。FollowAgents 没有核实这个账号背后是哪个人或公司。
这页内容对你有帮助吗?
在 GitHub 查看 ↗ 安装 ↓

所属宿主生态

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关核心概念